命名实体识别_中文医学命名实体识别

Incorporating dictionaries into deep neural networks for the Chinese clinical named entity recognition

总述

作者提出了融入字典信息的深度学习模型，用于解决中文医学命名实体识别问题。

融合了字典的深度模型主要的优点是，

可以克服传统深度模型难以识别出现频率少，或者从未出现的实体。

具体得，作者基于BiLSTM拓展出两个深度模型框架，并且设计了五种特征

(题外话，其实作者可以说是三种特征)

设计的五种特征

• N-gram特征

具体的过程，首先提取出2-5gram字符串, 共有8个字符串(左右两边)，

如上图一，所示xi的2-5gram字符串，

之后用独热编码表示各个字符串，如图二所示，腹壁属于body，所以编码是00001,

8个字符串，每个字符串用五维的独热编码表示，所以N-gram特征，共有40维

• PIEF(Position-Independent Entity Type)特征

一句话概括就是，双向最大匹配算法(正向、逆向取最大长度)，

对句子中的字符标注其属于的类别

如上图PIET特征所示

• PDET(Position-Dependent Entity Type)特征

相比于PIEF融入了实体位置信息，如上图PDEF所示，

S、single单个字符实体位置,B、begin实体的开始位置,

E、end实体结束位置I、inter实体中间位置。

两个模型

• model 1

嵌入向量和特征向量直接连接，输入到双向LSTM中

• model 2

嵌入向量和特征向量分别输入到双向LSTM中，最后在CRF层前才连接

显然第一种是最好的方式

最后的结果